通过地理负载均衡迈向环境公平的 AI

受大语言模型与基础模型日益飙升的流行驱动,人工智能(AI)模型巨大环境足迹的加速增长受到越来越多审视。尽管已提出许多方法使 AI 更节能、更环保,但环境不公平——即 AI 的环境足迹在某些地区可能远高于其他地区——已然显现,引发社会生态正义关切。本文通过均衡 AI 的区域负面环境影响,朝解决 AI 环境不公平迈出第一步。具体而言,我们关注 AI 模型推理的碳与水足迹,并提出公平感知的地理负载均衡(GLB)以明确应对 AI 对最弱势区域的环境影响。我们基于轨迹进行仿真,考虑一组 10 个地理分布式数据中心为某大语言 AI 模型提供推理请求服务。结果表明,现有 GLB 方法可能放大环境不公平,而我们提出的公平感知 GLB 能显著缩小碳与水足迹方面的区域差异。